Wetenschappers die de interactie tussen mens en robot bestuderen, richten zich vaak op het begrijpen van menselijke bedoelingen vanuit het perspectief van een robot, zodat de robot leert effectiever met mensen samen te werken. Maar interactie tussen mens en robot is tweerichtingsverkeer en de mens moet ook leren hoe de robot zich gedraagt.

Dankzij decennia van cognitief wetenschappelijk en onderwijspsychologisch onderzoek hebben wetenschappers een redelijk goede greep op hoe mensen nieuwe concepten leren. Daarom werkten onderzoekers van MIT en Harvard University samen om gevestigde theorieën over het leren van menselijke concepten toe te passen op uitdagingen in de interactie tussen mens en robot.

Ze onderzochten eerdere studies die zich richtten op mensen die robots nieuw gedrag probeerden aan te leren. De onderzoekers identificeerden kansen waar deze studies elementen van twee complementaire cognitieve wetenschappelijke theorieën in hun methodologieën hadden kunnen opnemen. Ze gebruikten voorbeelden uit deze werken om te laten zien hoe de theorieën mensen kunnen helpen om sneller, nauwkeuriger en flexibeler conceptuele modellen van robots te vormen, wat hun begrip van het gedrag van een robot zou kunnen verbeteren.

Mensen die nauwkeurigere mentale modellen van een robot bouwen, werken vaak beter samen, wat vooral belangrijk is wanneer mensen en robots samenwerken in situaties met een hoge inzet, zoals productie en gezondheidszorg, zegt Serena Booth, een afgestudeerde student in de Interactive Robotics Group van de Computer Science and Artificial Intelligence Laboratory (CSAIL), en hoofdauteur van het artikel.

"Of we mensen nu wel of niet proberen te helpen bij het bouwen van conceptuele modellen van robots, ze zullen ze hoe dan ook bouwen. En die conceptuele modellen kunnen verkeerd zijn. Dit kan mensen ernstig in gevaar brengen. Het is belangrijk dat we er alles aan doen om die persoon het beste mentale model dat ze kunnen bouwen", zegt Booth.

Booth en haar adviseur, Julie Shah, een MIT-professor in de luchtvaart en ruimtevaart en de directeur van de Interactive Robotics Group, schreven dit artikel in samenwerking met onderzoekers van Harvard. Elena Glassman '08, MNG '11, Ph.D. '16, een assistent-professor computerwetenschappen aan de John A. Paulson School of Engineering and Applied Sciences van Harvard, met expertise in theorieën over leren en mens-computerinteractie, was de belangrijkste adviseur van het project. Harvard co-auteurs zijn ook afgestudeerde student Sanjana Sharma en onderzoeksassistent Sarah Chung. Het onderzoek zal worden gepresenteerd op de IEEE Conference on Human-Robot Interaction.

Een theoretische benadering

De onderzoekers analyseerden 35 onderzoekspapers over mens-robotonderwijs met behulp van twee belangrijke theorieën. De "analogische overdrachtstheorie" suggereert dat mensen naar analogie leren. Wanneer een mens interactie heeft met een nieuw domein of concept, zoeken ze impliciet naar iets bekends dat ze kunnen gebruiken om de nieuwe entiteit te begrijpen.

De "variatietheorie van leren" stelt dat strategische variatie concepten kan onthullen die voor iemand anders moeilijk te onderscheiden zijn. Het suggereert dat mensen een proces van vier stappen doorlopen wanneer ze omgaan met een nieuw concept:herhaling, contrast, generalisatie en variatie.

Hoewel veel onderzoekspapers gedeeltelijke elementen van één theorie bevatten, was dit hoogstwaarschijnlijk te wijten aan toeval, zegt Booth. Als de onderzoekers deze theorieën aan het begin van hun werk hadden geraadpleegd, hadden ze misschien effectievere experimenten kunnen ontwerpen.

Als onderzoekers mensen bijvoorbeeld leren omgaan met een robot, laten ze mensen vaak veel voorbeelden zien van de robot die dezelfde taak uitvoert. Maar voordat mensen een nauwkeurig mentaal model van die robot kunnen bouwen, suggereert de variatietheorie dat ze een reeks voorbeelden moeten zien van de robot die de taak in verschillende omgevingen uitvoert, en ze moeten ook zien dat hij fouten maakt.

"Het is zeer zeldzaam in de literatuur over interactie tussen mens en robot, omdat het contra-intuïtief is, maar mensen moeten ook negatieve voorbeelden zien om te begrijpen wat de robot niet is", zegt Booth.

Deze cognitief-wetenschappelijke theorieën kunnen ook het fysieke robotontwerp verbeteren. Als een robotarm op een menselijke arm lijkt, maar op een andere manier beweegt dan bij menselijke bewegingen, zullen mensen moeite hebben om nauwkeurige mentale modellen van de robot te bouwen, legt Booth uit. Zoals wordt gesuggereerd door de analoge overdrachtstheorie, kunnen mensen in de war raken en moeite hebben om te leren omgaan met de robot, omdat mensen wat ze weten - een menselijke arm - toewijzen aan de robotarm, als de beweging niet overeenkomt.

Uitleg verbeteren

Booth en haar medewerkers hebben ook onderzocht hoe theorieën over het leren van menselijke concepten de verklaringen kunnen verbeteren die mensen helpen vertrouwen op te bouwen in onbekende, nieuwe robots.

"Bij verklaarbaarheid hebben we een heel groot probleem van bevestigingsbias. Er zijn meestal geen normen over wat een verklaring is en hoe een persoon deze moet gebruiken. Als onderzoekers ontwerpen we vaak een verklaringsmethode, die ziet er goed uit voor ons, en we verstuur het," zegt ze.

In plaats daarvan suggereren ze dat onderzoekers theorieën uit het leren van menselijke concepten gebruiken om na te denken over hoe mensen verklaringen zullen gebruiken, die vaak worden gegenereerd door robots om duidelijk te communiceren over het beleid dat ze gebruiken om beslissingen te nemen. Door een leerplan te bieden dat de gebruiker helpt te begrijpen wat een uitlegmethode betekent en wanneer deze moet worden gebruikt, maar ook waar deze niet van toepassing is, zullen ze een beter begrip krijgen van het gedrag van een robot, zegt Booth.

Op basis van hun analyse doen ze een aantal aanbevelingen over hoe het onderzoek naar mens-robotonderwijs kan worden verbeterd. Ten eerste stellen ze voor dat onderzoekers de analoge overdrachtstheorie opnemen door mensen te begeleiden om passende vergelijkingen te maken wanneer ze leren werken met een nieuwe robot. Door begeleiding te bieden, kunnen mensen passende analogieën gebruiken, zodat ze niet verrast of in de war raken door de acties van de robot, zegt Booth.

Ze suggereren ook dat het opnemen van positieve en negatieve voorbeelden van robotgedrag en het blootstellen van gebruikers aan hoe strategische variaties van parameters in het "beleid" van een robot het gedrag beïnvloeden, uiteindelijk in strategisch gevarieerde omgevingen, mensen kan helpen beter en sneller te leren. Het beleid van de robot is een wiskundige functie die kansen toekent aan elke actie die de robot kan ondernemen.

"We doen al jaren gebruikersonderzoeken, maar we schieten vanuit de heup in termen van onze eigen intuïtie voor zover dat wel of niet nuttig zou zijn om de mens te laten zien. De volgende stap zou zijn om rigoureuzer te zijn over het baseren van dit werk op theorieën over menselijke cognitie", zegt Glassman.

Nu dit eerste literatuuronderzoek met behulp van cognitieve wetenschappelijke theorieën is voltooid, is Booth van plan hun aanbevelingen te testen door enkele van de experimenten die ze heeft bestudeerd opnieuw te bouwen en te kijken of de theorieën het menselijk leren daadwerkelijk verbeteren.